NAIAHD

8.4.3 사진 캡션 생성

사진을 주면, 그 사진을 설명하는 글(사진 캡션)을 자동으로 생성하는 연구입니다.

딥러닝으로 사진 캡션을 생성하는 방법으로는 NIC Neural Image Catpion 모델이 대표적입니다.

NIC는 심층 cnn과 자연어를 다루는 순환 신경망으로 구성됩니다.

RNN은 순환적 관계를 갖는 신경망으로 자연어나 시계열 데이터 등의 연속된 데이터를 다룰 때 많이 활용합니다.

NIC는 CNN으로 사전에서 특징을 추출하고, 그 특징을 RNN에 넘깁니다.

NIC는 2개의 신경망 RNN, CNN

멀티모달 처리 multimodal processing: 사진이나 자연어와 같은 여러 종류의 정보를 조합하고 처리 하는 것

8.5 딥러닝의 미래

8.5.1 이미지 스타일(화풍)변환

그림을 그리는 연구

콘텐츠 이미지

스타일 이미지

8.5.2 이미지 생성 

DCGAN Depp convolutional generative adversarial network 기법

생성자와 식별자 로 불리는 2개의 신경망을 이용한다는 점

생성자가 진짜와 똑같은 이미지를 생성하고 

식별자는 그것이 진짜인지(생성자가 생성한 이미지인지 , 아니면 실제로 촬영된 이미지)를 판정합니다.

자율학습 : 지도 없이 스스로 학습하는 문제

8.5.3 자율 주행

SegNet

주위 환경을 올바르게 인식하는 기술이 가장 중요한 문제

8.5.4 Deep Q-Network(강화학습)

강화학습에서는 에지전트라는 것이 환경에 맞게 행동을 선택하고, 그 행동에 의해서 환경이 변한다는게 기본적인 틀입니다.

환경이 변화하면 에이전트는 어떠한 보상을 얻습니다. 

강화학습의 목적은 더 나은 보상을 받는 쪽으로 에이전트의 행동 지침을 바로 잡는 것입니다.

Deep Q-Network => DQN

Q학습이라는 강화학습 알고리즘을 기초로 합니다.

Q학습에서는 최적 행동 가치 함수로 최적인 행동을 정합니다.  이 함수를 딥러닝(CNN)으로 비슷하게 흉내 내어 사용하는 것이 DQN입니다.

CNN게임 영상 프레임

DQN 연구 중에는 비디오 게임을 자율 학습시켜 사람을 뛰어넘는 수준의 조작을 실현한 사례가 보고 되고 있습니다.

알파고와 DQN은 모두 구글이 인수한 딥마인드 가 진행한 연구입니다.

APPENDIX A

Softmax-with-loss계층의 계산 그래프